稳定rna加工产物分析仪
starpa的Python项目详细描述
概述
starpa工作流分为多个连续的任务，可以分别执行， 作为一个自由选择的连续子集或按顺序同时执行的所有任务。 这增加了该工具在不同处理状态下用作输入rna序列数据的灵活性。 例如，starpa可以处理fastq格式的原始数据，但也可以处理修剪读取（fastq格式） 或以sam格式对齐读取。
可接受成对端（PE）和单端（SE）序列读取作为输入。
此外，该工具具有高度可配置性，可以以并行方式（多处理）处理多个库。
任务如下：
- 修剪
cutadapt用于修剪低质量读取的3'端，然后从3'端拆下适配器 阅读量。
对于SE，排除未修剪3'适配器的读取。 这确保了3'末端读取是稳定的rna处理产品是用较高的 信心。
- 对齐
bowtie2用于将读操作与基因组对齐。所有与基因组的匹配都被记录下来。
- 萨姆排序
从对齐读取中，将丢弃未映射和不一致映射的读取。此外，只有属于 当路线得分较低时，保留最佳阶层（路线得分等级） 不包括在内。
- 伪se
具有太多不匹配的比对和具有太多基因组比对的读取将被丢弃。 所有其他读取get nh tag（如果不存在）描述报告的路线数。 次级路线的序列和质量字段中填充序列和质量数据。 最后，pe读取转换为伪se读取，以简化后续的分析步骤。
- 确定
flaimapper2用于预测稳定的rna加工产物。以确保所有 在处理共享起始或结束位置的产品时，读数根据 他们的长度。随后，flaimmper2分别对每个读片段运行 根据读取计数（估计 挡板-2）超过设定的阈值。对过滤后的预测加工产品进行量化 更精确地说，通过床具相交。
- 群集
量化处理产品再次被读取计数过滤（bedtools intersect） 超过阈值和相对覆盖率（分配给处理产品的读取的平均覆盖率 除以与加工产品位置对齐的所有读取的平均覆盖率）。 接下来，将分析的所有库中的加工产品组合起来（识别独特的物种） 聚集在一起。
群集是两步过程：
- 按重叠分组。 < > >
- 按序列聚类 < > >
- 量化
由于flaimapper-2对加工产品的预测是概率的，因此预测的结果是 不同库中的处理产品可能略有不同，真正的结果也是如此。 因此，预测的加工产品有很大的重叠和一定的基础 （可调）不重叠的是成簇的具有代表性的过程集群用天然气产品 已选定。
因为大多数基因组包含重复区域（重复区域、rrna操作、一些trna基因等） 读取可以映射到多个位置，从而产生多个处理产品 从相同或相似的一组读取。 为了减少相同处理产品的数量，它们按序列标识进行集群 通过CDI-HIT-EST。尽管如此，特定阅读的基因组匹配仍然可以在不同环境的基因组区域中进行。 因此，仅基于序列一致性的聚类可以导致序列/上下文（例如不同的基因） 信息丢失。 为了避免这种情况，必须由 它们重叠的内容的聚类（同样通过cdi-hit-est）以及 已选择群集。
此外，还标识了contig，并使用wig格式的文件（包含 单独的库）被创建。
代表性加工产品将使用BEDTools Intersect在每个库中进行量化。 将收集其他特征（相对覆盖率、单个位置水平的覆盖率， 一致序列，一致序列的质量，基因组序列，唯一性）。量化数据 也转换为每百万映射读取（RPM）、生物型RPM和生物型组RPM的读取。
欢迎加入QQ群-->： 979659372
